Html源文件中image标签的析取 HTML, image, 标签

admin

今天介绍一种从指定网页源文件中析取image标签的的编程技巧，即从网页源文件中，解析出所有的插图文件名（包括图片路径）,也就是标签＜img src=".../... /abc.jpg"＞ 中的文件名".../.../abc.jpg"(有的可能是gif格式)。编程环境：PHP+Apache for Win98。  
+ ?# u- N- a- J) B3 a% ]
  s0 D+ t% f5 b6 b0 \　　首先, 用文本编辑器新建一个PHP类型的文件：abstractSRCfrompage.php3。为了方便讲解，我们打算是在浏览器表单域中输入需要析取image标签的网页的URL（或本机文档），提交后执行析取操作，所以在该文件中，我们要建立一个用于输入网址的表单，举例如下： ; V* u+ b+ s& t/ j. {4 `

# E# }5 g% K5 o5 z* b
9 }/ X) Z, o/ r' }! s4 A＜form action=" abstractSRCfrompage.php3" method="post"＞2 L; x. N$ B. J6 x/ G, x7 V
　　输入网址＜input type=text name=filename＞＜br＞
4 T  A  I" B4 _　　＜input type=submit name=submit value="提交"＞" S) p* a# p4 s* [
＜/form＞
; b& z! }% \5 E; t; v3 `* c! E! j  D1 U* |2 n

( l1 P5 R8 f. `6 }- n: w; M' O8 s$ Y　　输入正确的网址，提交后表单信息被送到abstractSRCfrompage.php3页面，由于表单本身就在该页面，所以相当于被送到自身页面，下面我们需要编写析取处理的PHP代码，紧接着表单代码段后写入如下代码：  V7 S1 u) o7 s: y8 ?. f
2 a: p& p) r, h; S
) ]3 j6 ], ^$ O: i8 E
＜?php' d" A3 X" Q' e1 W6 N
if ($filename!=""){, ?4 F( d  T9 N: C" o9 {' L7 o
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；; ]9 c( M2 ^6 n$ [7 ?
while ($buffer = fgets($fp, 1024)) {. f% w$ m/ W& a
$source .=$buffer; }! R# R" P9 I* |" z& X
fclose($fp);
+ m: D' h( l7 }& Y9 r& l9 {' pfile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记% l6 \- ^, e- V1 I9 D. a$ Y: x
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
/ Z* l3 i7 G; ]echo "找到图片标签:)＜br＞";}& N7 W) w  b1 l% ?0 t8 {+ Z
else{
, }$ k8 y$ z2 k* z1 kecho "未发现图片标签:(＜br＞";}. g4 o) q% Y. D# b0 k
file://拆分,第一次用标签,＜img ...src=拆分,得到了以图形文件名开头的数组，
2 w' a8 K' ]( F: i: U$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);- _2 d8 z, U! s6 A; F4 C" [
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";) V' V( y7 y1 [% U+ v
for($i=1;$i＜sizeof($splitres);$i++){
1 L5 }( l  b# W1 V5 G5 `file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;
5 U# f( ]" h- M( {$ uunset($imgname); // 再次使用前删除imgname变量；
! t) @  Z' O. e2 t4 A8 X$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
% w' H$ N. x" Techo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
- ]& S. B% s6 Y5 {}
  W/ {2 s8 N5 M1 H}# J/ w5 N$ t0 W2 M/ |- W/ h
?＞# Y% ]- V3 |. `1 k6 S( G% E9 _
: t3 p* R  a& o' k1 E5 I, X

# Z$ W; y1 v, e& s9 {　　该段程序的设计思路是：PHP程式判断是否输入了档案名称(网址URL或本机档案名)，若不为空则以只读方式打开该档案；接着使用函式fgets (fp,length)取得档案指标fp所指的行并传回该行内长度为length-1 的字串，上例中就是1024-1=1023；然后利用字串比对剖析函式ereg()查找$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。8 x3 f. g% ^/ f9 M/ `" q

4 @2 b/ W3 b/ r: M5 T+ d　　其中函式sizeof($splitres)返回个数；在for循环中，依次将数组splitres的每个元素（也是数组）赋给数组变量imgname，并输出imgname的第一个元素值（为找到的一个图形路径+文件名），当执行下次循环时，删除变量imgname，达到重复使用的目的。大家可以仔细研究其中的奥妙。) U# H: ]0 k- B6 _
" _/ W, E! ]6 X) R* s
　　好了，写好后，将abstractSRCfrompage.php3存到你的服务器指定目录下，启动Apache服务器，在浏览器中打开它，随便输入一个存在的网页名称或是远程URL,看看效果如何。
3 w  \. u. Z" ]8 m2 x$ G( L
' [2 p$ J) m, k$ `　　如果有兴趣，你可以尝试析取HTML文档中的任意感兴趣的信息，如果稍加改装，做一个网站文本搜索引擎岂不更妙？